5. Scalable 비동기 서버 만들기
비동기 서버 : 웹 Http통신 으로
C# NancyFx 웹 프레임워크
Scalable한 서버 : AWS 활용
AWS Elastic Beanstalk
Scalable한 read/write를 위한 DB활용 : NoSQL 활용
Amazon DynamoDB
6. AI 만들기
하스스톤 플레이어 AI를 만들자
1. 선택과 상태의 그래프로 만들자
2. 게임의 상태를 수치화하자
3. AI를 최적화하자
7. 선택과 상태의 그래프로 만들자
하스스톤의 그래프 화
하스스톤은 결국 상황 판단과 선택으로 귀결된다.
현재 상태를 시작 정점으로
가능한 선택지를 간선으로
선택으로 만들어지는 가능 상태를 정점들로
8. 게임 상태를 수치화 하자
게임의 상태를 수치로 해석 할 수 있다.
플레이어에게 유리한 정도를 해석하여 숫자로 만들자.
기본적인 환산 기준은 하수인의 공체합
다른 속성들은 변환 가능한 공체 수치로 환산하여 계산한다.
상대와 나의 환산값을 비교하여 현재 상태를 평가한다.
9. AI를 최적화 하자
게임을 그래프화 시키고 각 정점의 가치를 평가할 수 있다.
이제 AI가 해야하는 일은 최적의 길을 찾는 것
시작 정점에서 도달할 수 있는 가장 가치가 높은 정점을 찾는 것
모든 가능한 정점들을 고려하는 것은 지나치게 방대하다.
길찾기를 최적화 하는 것이 필요하다.
10. 길찾기의 최적화
시작 정점으로 부터 고려하는 선택의 깊이(개수)를 제한한다.
상태에 대한 평가는 시뮬레이션을 거치기 때문에 비용이 크다.
선택의 깊이가 늘어날 수록 평가 개수가 지수에 비례하여 증가한다.
성능과 효과를 저울질 하여 적정선의 깊이로 제한한다.
통계적으로 현재 경로의 가능성을 판단하고 가지치기 한다.
11. Server 성능 테스트 결과
1개의 match 요청에 대해서 0.1 ~ 0.3 sec
1개 시뮬레이션 서버 인스턴스(EC2)로 100개 요청 약 60 sec (모두 완료까지)
4개 시뮬레이션 서버 인스턴스(EC2)로 100개 요청 약 5 ~ 7 sec
10개 시뮬레이션 서버 인스턴스(EC2)로 100개 요청 0.5 ~ 1 sec
19. BurnDissolve Shader
구현방식
1. 기본 텍스처와 타는 모양의 텍스처, 그리고 타는 색깔 텍스처를 사용
2. 기본 텍스처를 그릴 때 해당 위치의 타는 모양 텍스처의 색상값을 읽는다.
3. 타는 모양 색상값을 현재 타 들어가는 정도와 비교한다.
4. 비교 값에 따라서 기본 텍스처 대신 타는 색깔 텍스처의 색상을 적용한다.